一种基于特征融合和款式分类的服装图像检索方法和系统

    公开(公告)号:CN110232133B

    公开(公告)日:2022-09-20

    申请号:CN201910416355.1

    申请日:2019-05-16

    摘要: 本发明公开了一种基于特征融合和款式分类的服装图像检索方法和系统,属于图像处理技术领域,包括:在待查询服装图像中提取全局特征和局部特征后进行特征融合,得到待查询服装图像的特征描述子,利用概率预测网络预测待查询服装图像属于查询库中各个款式类别的概率;对于概率较大的前N个款式类别,计算待查询服装图像的特征描述子与查询库中该N个款式类别对应的服装图像的特征描述子之间的相似度值,将相似度值较大的前K个查询库中服装图像作为检索结果。本发明的特征描述子对服装的柔性形变、拍摄角度和摆放姿势等变化具有较强的鲁棒性,从而能提高服装检索的性能;同时,款式分类任务能够进行预筛选,进而获得更高的检索效率。

    基于自适应区域建议网络的自然场景文本检测方法和系统

    公开(公告)号:CN110598698B

    公开(公告)日:2022-02-15

    申请号:CN201910800835.8

    申请日:2019-08-29

    IPC分类号: G06V20/62

    摘要: 本发明公开了一种基于自适应区域建议网络的自然场景文本检测方法和系统,属于图像处理技术领域,包括:对自然场景文本数据集进行标注,得到训练集;构建包含特征提取网络、自适应区域建议网络、目标分类与角点回归网络的网络模型;利用训练集训练网络模型时,利用特征提取网络提取训练集的多尺度特征,利用自适应区域建议网络预测各尺度特征下的文本目标中心和文本目标矩形框宽高,利用目标分类与角点回归网络预测文本目标类别和各尺度特征下的文本目标矩形框的角点坐标,进而得到训练好的网络模型。将待检测自然场景图像输入训练好的网络模型,得到自然场景文本目标框。本发明克服锚点框机制缺陷、检测方法性能佳、文本的召回率高。

    一种基于红外物理特征融合的小目标检测方法和系统

    公开(公告)号:CN109102003A

    公开(公告)日:2018-12-28

    申请号:CN201810790004.2

    申请日:2018-07-18

    IPC分类号: G06K9/62 G06K9/46

    摘要: 本发明公开了一种基于红外物理特征融合的小目标检测方法和系统,其中方法包括:对样本多波段红外图像中的小目标进行标记,得到标记目标,随机选取样本多波段红外图像中的非目标进行标记,得到标记非目标,利用标记目标和标记非目标的特征向量训练分类器,得到目标分类器。对红外图像进行分割,得到分割图像,对分割图像进行标记得到候选目标区域;提取红外图像中候选目标区域的特征向量,将候选目标区域的特征向量输入目标分类器,检测候选目标区域是否有小目标。本发明在复杂背景下提高小目标检测率、降低小目标检测的虚警率。

    一种基于标注帧特征融合的长视频目标跟踪方法及系统

    公开(公告)号:CN113592906B

    公开(公告)日:2024-02-13

    申请号:CN202110787587.5

    申请日:2021-07-12

    摘要: 本发明公开了一种基于标注帧特征融合的长视频目标跟踪方法及系统,属于计算机视觉领域,方法包括:对标注帧图像的指引向量与搜索帧图像的特征图依次进行特征融合、目标特征增强处理,得到强化后的融合结果;将强化后的融合结果输入候选框回归网络,得到包含N个候选框的候选框集合,将各候选框的区域特征分别与预设尺寸的多尺度标注帧区域特征进行特征融合后输入分类回归头部网络,得到待选目标框及置信度;将高置信度的待选目标框映射为稠密特征向量,并根据稠密特征向量的分布生成一条或多条轨迹段;将轨迹合理性评分最高的轨迹段所对应的待选目标框确定为搜索帧图像中的目标跟踪结果。提高长视频目标跟踪时的跟踪性能。

    一种基于变分自编码的单视图三维点云重建方法及系统

    公开(公告)号:CN113593007A

    公开(公告)日:2021-11-02

    申请号:CN202110765278.8

    申请日:2021-07-07

    IPC分类号: G06T17/00 G06N3/04

    摘要: 本发明公开了一种基于变分自编码的单视图三维点云重建方法及系统,属于计算机视觉技术领域,方法包括:构建并训练单视图三维点云重建网络模型,单视图三维点云重建网络模型包括变分自编码模块、特征提取模块和解码器;获取单视图图像,利用变分自编码模块计算单视图图像的特征图的均值和方差,并根据均值和方差将特征图映射为标准正态分布的标准特征图,标准特征图与特征图的特征维度相同;再利用特征提取模块对标准特征图进行特征提取,得到多尺度特征图;利用解码器对提取的多尺度特征图进行多尺度特征提取及融合,以重建与单视图图像对应的三维点云模型。能够有效提升单视图图像三维点云重建的性能。

    一种基于空时显著图的运动小目标检测方法和系统

    公开(公告)号:CN110969605A

    公开(公告)日:2020-04-07

    申请号:CN201911192794.5

    申请日:2019-11-28

    摘要: 本发明公开了一种基于空时显著图的运动小目标检测方法和系统,其中方法包括:在空域上对序列图像进行多尺度的空域显著性分析方法处理得到空域显著图,在时域上对序列图像采用一种基于时域统计的时域显著性分析方法处理得到时域显著图,融合空域显著图和时域显著图得到空时显著图,对空时显著图进行分割得到候选目标,对候选目标采用SCR滤波进行筛选得到目标检测结果。系统包括空域显著性分析模块、时域显著性分析模块、显著图融合模块和目标检测模块。本发明融合空域和时域显著性特征提高了复杂背景下运动小目标检测率、并降低了运动小目标检测的虚警率。

    基于自适应区域建议网络的自然场景文本检测方法和系统

    公开(公告)号:CN110598698A

    公开(公告)日:2019-12-20

    申请号:CN201910800835.8

    申请日:2019-08-29

    IPC分类号: G06K9/32

    摘要: 本发明公开了一种基于自适应区域建议网络的自然场景文本检测方法和系统,属于图像处理技术领域,包括:对自然场景文本数据集进行标注,得到训练集;构建包含特征提取网络、自适应区域建议网络、目标分类与角点回归网络的网络模型;利用训练集训练网络模型时,利用特征提取网络提取训练集的多尺度特征,利用自适应区域建议网络预测各尺度特征下的文本目标中心和文本目标矩形框宽高,利用目标分类与角点回归网络预测文本目标类别和各尺度特征下的文本目标矩形框的角点坐标,进而得到训练好的网络模型。将待检测自然场景图像输入训练好的网络模型,得到自然场景文本目标框。本发明克服锚点框机制缺陷、检测方法性能佳、文本的召回率高。

    一种基于变分自编码的单视图三维点云重建方法及系统

    公开(公告)号:CN113593007B

    公开(公告)日:2024-04-26

    申请号:CN202110765278.8

    申请日:2021-07-07

    IPC分类号: G06T17/00 G06N3/0455

    摘要: 本发明公开了一种基于变分自编码的单视图三维点云重建方法及系统,属于计算机视觉技术领域,方法包括:构建并训练单视图三维点云重建网络模型,单视图三维点云重建网络模型包括变分自编码模块、特征提取模块和解码器;获取单视图图像,利用变分自编码模块计算单视图图像的特征图的均值和方差,并根据均值和方差将特征图映射为标准正态分布的标准特征图,标准特征图与特征图的特征维度相同;再利用特征提取模块对标准特征图进行特征提取,得到多尺度特征图;利用解码器对提取的多尺度特征图进行多尺度特征提取及融合,以重建与单视图图像对应的三维点云模型。能够有效提升单视图图像三维点云重建的性能。

    一种基于背景分类的运动小目标检测方法和系统

    公开(公告)号:CN110991313B

    公开(公告)日:2022-02-15

    申请号:CN201911191359.0

    申请日:2019-11-28

    摘要: 本发明公开了一种基于背景分类的运动小目标检测方法和系统,其中方法包括:将图像中的地物深空混合背景分类为地物背景区域和深空背景区域,对地物背景区域图像基于多尺度空域显著特征的方法实现运动小目标检测,对深空背景区域图像基于不变矩特征的方法实现运动小目标检测,对地物和深空背景区域检测到的目标进行综合和多帧确认得到目标检测结果。系统包括背景分类模块、地物背景目标检测模块、深空背景目标检测模块和目标检测结果综合确认模块。本发明在地物深空混合背景下提高运动小目标检测率、降低运动小目标检测的虚警率。

    一种基于红外物理特征融合的小目标检测方法和系统

    公开(公告)号:CN109102003B

    公开(公告)日:2020-07-10

    申请号:CN201810790004.2

    申请日:2018-07-18

    IPC分类号: G06K9/62 G06K9/46

    摘要: 本发明公开了一种基于红外物理特征融合的小目标检测方法和系统,其中方法包括:对样本多波段红外图像中的小目标进行标记,得到标记目标,随机选取样本多波段红外图像中的非目标进行标记,得到标记非目标,利用标记目标和标记非目标的特征向量训练分类器,得到目标分类器。对红外图像进行分割,得到分割图像,对分割图像进行标记得到候选目标区域;提取红外图像中候选目标区域的特征向量,将候选目标区域的特征向量输入目标分类器,检测候选目标区域是否有小目标。本发明在复杂背景下提高小目标检测率、降低小目标检测的虚警率。